24
SPSS RANCANGAN ACAK LENGKAP POLA FAKTORIAL AxB Rancangan Acak Lengkap Pola Faktorial AxB adalah rancangan acak lengkap yang terdiri dari dua peubah bebas (Faktor) dalam klasfikasi silang yaitu faktor A yang terdiri dari a taraf dan faktor B yang terdiri dari b taraf dan kedua faktor tersebut diduga saling berinteraksi. Saling berinteraksi dimasudkan bahwa pengaruh suatu faktor tergantung dari taraf faktor yang lain, dan sebaliknya jika tidak terjadi interaksi berarti berarti pengaruh suatu faktor tetap pada setiap taraf faktor yang lain. Jadi bila tidak terjadi interaksi antar taraf-taraf suatu faktor saling sejajar satu sama lainnya, sebaliknya bila ada interaksi tidak saling sejajar. Model Matematisnya : Yijk = µ + Ai + Bj + ABij + єijk i = 1, 2, 3,…………,a j = 1,2,3...........,b dan k =1.2.3,.......u Disini : Yijk : Pengamatan Faktor A taraf ke-i , Faktor B taraf kej dan Ulangan ke-k µ : Rataan Umum Ai : Pengaruh Faktor A pada taraf ke-i Bj : Pengaruh Faktor B pada taraf ke-j ABij : Interaksi antara Faktor A dengan Faktor B

Spss Rancangan Acak Lengkap Pola Faktorial Axb

Embed Size (px)

Citation preview

SPSS RANCANGAN ACAK LENGKAP POLA FAKTORIAL AxB

Rancangan Acak Lengkap Pola Faktorial AxB adalah rancangan acak lengkap yang

terdiri dari dua peubah bebas (Faktor) dalam klasfikasi silang yaitu faktor A yang terdiri

dari a taraf dan faktor B yang terdiri dari b taraf dan kedua faktor tersebut diduga saling

berinteraksi. Saling berinteraksi dimasudkan bahwa pengaruh suatu faktor tergantung

dari taraf faktor yang lain, dan sebaliknya jika tidak terjadi interaksi berarti berarti

pengaruh suatu faktor tetap pada setiap taraf faktor yang lain. Jadi bila tidak terjadi

interaksi antar taraf-taraf suatu faktor saling sejajar satu sama lainnya, sebaliknya bila ada

interaksi tidak saling sejajar.

Model Matematisnya :

Yijk = µ + Ai + Bj + ABij + єijk

i = 1, 2, 3,…………,a j = 1,2,3...........,b dan k

=1.2.3,.......u

Disini :Yijk : Pengamatan Faktor A taraf ke-i , Faktor B taraf kej dan Ulangan ke-k

µ : Rataan Umum

Ai : Pengaruh Faktor A pada taraf ke-i

Bj : Pengaruh Faktor B pada taraf ke-j

ABij : Interaksi antara Faktor A dengan Faktor B

єijk : Pengaruh galat pada Faktor A taraf ke-i, Faktor B taraf ke-j dan ulangan

ke-k

Teladan 6

Seorang Peneliti ingin mengetahui pengaruh jenis ekstrak bawang putih (Allium

sativum L) yaitu kontrol (tanpa ekstrak bawang putih), ekstrak bawang putih lokal dan

ekstrak bawang putih import dan jangka waktu penyimpanan pada suhu 5o C (dingin)

yaitu : 0, 3, 6, dan 9 hari terhadap angka lempeng total bakteri (ALTB) pada daging sapi.

Penelitian ini menggunakan 4 ulangan dengan berat masing-masing 30 gram, sehingga

jumlah sampel yang digunakan sebanyak 3x4x4=48 sampel daging sapi.

Tabel 6. Data Log Angka Lempeng Total Bakteri (Log ALTB).:

JenisBawangPutih (i)

LamaSimpan Hari (j)

Ulangan (k)

1 2 3 4

Kontrol0 6.0128 5.9868 6.1139 5.94943 7.3345 7.2833 7.1072 7.50516 8.2923 7.9513 8.3655 8.17039 9.8645 9.7292 10.064 9.7993

Lokal0 5.3541 5.1931 5.5416 5.28783 6.1703 5.9754 5.9395 6.12066 7.7388 7.7482 7.8195 7.75599 8.7694 8.4843 8.6776 8.7126

Import0 5.4216 5.1075 5.1818 5.31393 5.9782 5.7782 5.9243 5.80626 6.7619 6.8235 6.8136 6.77389 7.7910 7.7295 7.9405 7.7993

Memasukkan data melalui Programe …SPSS for Windows-..SPSS 13.0 for

Windows

Kompurter telah siap dengan Program SPSS, Klik Variable View pada pojok keri

bawah, ditunjukan pada Gambar 1.9 di bawah ini, kemudian pada Kolom Name

ketik, Jenis, L, Ulangan dan ALTB, pada Kolom Type Numeric, kolom Label ketik

Jenis Bawang Putih, Lama Simpan, Ulangan dan Log. ALTB seperti tampak pada

Gambar 1.9.

Gambar 1.9. Kotak Diolog Variable View

Klik pada pojok kiri atas pada baris 1 yaitu Jenis, kolom Values, maka muncul Gambar 2.9.

Gambar 2.9 Kotak Diolog Value Labels

Ketik angka 1 pada kotak Value, ketik Kontrol pada kotak Value Label, kemudian

Klik Add

Ketik angka 2 pada kotak Value, ketik Lokal pada kotak Value Label, kemudian

Klik Add

Ketik angka 3 pada kotak Value, ketik Import pada kotak Value Label, kemudian

Klik Add

Kelik OK, maka kembali ke Gambar 1.9, kemudian Klik Data View pada pojok kiri bawah, maka muncul Gambar 3.9Lengkapi atau salin data Tabel 6. seperti tertera pada Gambar 3.9.

Gambar 3.9. Data View9.1. Analisis Deskriptif.

Analisis deskriptif diperlukan untuk melihat ukuran pemusatan dan ukuran

penyebaran data, dalam hal ini ukuran pemusatan datanya adalah mean (Rataan) dan

ukuran penyebarannya adalah Std Deviation (Standar Deviasi) dari Log ALTB pada

jenis ekrtak bawang putih yang berbeda dan lama simpan selama 9 hari.yaitu 0, 3, 6 dan 9

hari) .

Klik : Analyze Gambar 3.9, pilih Compare Means, kemudian Klik Means, maka

muncul Gambar 4.9.

Klik Log ALTB, pindahkan dengan tanda► ke kotak Dependent List

Klik Jenis Esktrak Bawang Putih, pindahkan dengan tanda► ke kotak

Independent List

Klik Lama Simpan(L), pindahkan dengan tanda► ke kotak Independent List

Gambar 4.8. Kotak Diolog Mean

KLik OK, maka diperoleh hasil beriklut :

MeansLog. ALTB * Ekstrak Bawang PutihLog. ALTB

Ekstrak Bawang Putih N Mean Std. DeviationKontrol 16 7.845588 1.451340

Bawang Putih Lokal 16 6.955544 1.367891Bawang Putih Impor 16 6.434031 1.002393

Total 48 7.078388 1.391744

Log. ALTB * Lama Simpan (Hari)Log. ALTB

Lama Simpan (Hari) N Mean Std. Deviation0 12 5.538667 .3716533 12 6.410233 .6769086 12 7.584550 .620203

9 12 8.780100 .885003Total 48 7.078388 1.391744

9.2. Analisis Ragam.

Analisis Ragam (Analisis Varian ) dilakukan untuk menguji pengaruh Jenis

Ekstrak Bawang Putih dan Lama Penyimpanan(L) terhadap Log. ALTB daging sapi

yang disimpan pada suhu dingin, apakah ada pengaruhnya atau tidak. Disamping itu

juga untuk menguji apakah terdapat interaksi yang nyata antara Jenis ekstrak bawang

putih dengan lama penyimpanan (Ekstrak*L). Sedangkan uji setelah analisis ragam

diperlukan untuk mengetahui apa ada perbedaan mean (rataan) Log ALTB antara 3 jenis

ekstrak bawang putih (Kontorl, Lokal dan Import) dan antara lama penyimpanan 0, 3, 6,

dan 9 hari yaitu dengan Uji Duncan. Prosedur analisis ragam dan uji rataannya sebagai

berikut :

Klik Analyze pada Gambar 3.9, pilih General Linear Model, lalu Klik Univariate,

maka muncul Gambar 5.9. seperti tampilan dibawah ini :

Gambar 5.9. Kotak Dialog Univariate

Klik Log ALTB, pindahkan dengan tanda► ke kotak Dependent List

Klik Jenis Ekstrak Bawang Putih (Ekstrak), pindahkan dengan tanda► ke kotak

Fixed Factor(s)

Klik Lama Simpan(L), pindahkan dengan tanda► ke kotak Fixed Factor(s)

Klik Post Hoc, maka muncul Gambar 6.9

Klik Ekstrak, pindahkan dengan tanda► ke kotak Post Hoc Test for

Klik L, pindahkan dengan tanda► ke kotak Post Hoc Test for

Berikan tanda V pada Duncan

Klik Continu, maka kembali ke Gambar 5.9.

Gambar 6.9. Kotak Diolog Univariate Post Hoc

Klik Paste, maka muncul Gambar 7.9

Gambar 7.9. Kotak Diolog Syntax

Perhatikan /DESIGN = Ekstrak L Ekstrak*L . bila tidak sama, harus disamakan

dengan yang tertera pada Gambar 7.9., jika tidak hasilnya akan berbeda.

Klik tanda ►untuk menjalankan Syntax, maka diperoleh hasil analisis sebagai beriku :

Univariate Analysis of VarianceTests of Between-Subjects EffectsDependent Variable: Log. ALTB

Source Type III Sum of Squares

df Mean Square F Sig.

Corrected Model 90.516 11 8.229 568.995 .000Intercept 2404.971 1 2404.971 166297.434 .000

EKSTRAK 16.302 2 8.151 563.624 .000L 71.630 3 23.877 1651.017 .000

EKSTRAK * L 2.584 6 .431 29.775 .000Error .521 36 1.446E-02Total 2496.008 48

Corrected Total 91.037 47a R Squared = .994 (Adjusted R Squared = .993)

Kesimpulan :

Hasil Analisis Varian menunjukkan bahwa Ekstrak bawang putih dan

jangka waktu penyimpanan (L) berpengaruh sangat nyata (P<0,01) terhadap log

ALTB daging sapi yang disimpan pada suhu dingin (lihat Sig .000<0,01).

Terdapat interaksi yang sangan nyata (P<0,01) antara jenis ekstrak

bawang putih dengan jangka waktu penyimpanan tehadap log ALTB daging sapi

yang disimpan pada suhu dingin.

Post Hoc TestsEkstrak Bawang PutihHomogeneous SubsetsLog. ALTBDuncan Ekstrak Bawang Putih N Subset

1 2 3Bawang Putih Impor 16 6.434031Bawang Putih Lokal 16 6.955544

Kontrol 16 7.845588Sig. 1.000 1.000 1.000

Means for groups in homogeneous subsets are displayed. Based on Type III Sum of Squares The error term is Mean Square(Error) = 1.446E-02.a Uses Harmonic Mean Sample Size = 16.000.b Alpha = .05.

Kesimpulan :

Hasil Uji Duncan pada Alpha 0,05 menunjukkan bahwa terdapat perbedaan yang

nyata (P,0,05) log jumlah ALTB antara ketiga jenis ekstrak bawang putih yang diberikan

pada daging sapi yang disimpan pada suhu dingin.

Homogeneous SubsetsLog. ALTBDuncan

Lama Simpan (Hari) N Subset1 2 3 4

0 12 5.5386673 12 6.4102336 12 7.5845509 12 8.780100

Sig. 1.000 1.000 1.000 1.000Means for groups in homogeneous subsets are displayed. Based on Type III Sum of Squares The error term is Mean Square(Error) = 1.446E-02.

a Uses Harmonic Mean Sample Size = 12.000.b Alpha = .05.

Kesimpulan :Hasil Uji Duncan pada Alpha 0,05 menunjukkan bahwa terjadi peningkatan

jumlah log ALTB yang nyata (P,0,05) mulai dari penyimpanan 0 hari sampai dengan 9

hari

9.3. Analisis Regresi.

Analisis regresi diperlukan untuk mencari hubungan antara lama simpan dengan log

ALTB, oleh karena faktor lama simpan bersifat kualitatif dan jenis ekstrak bawang putih

kualitatif, maka kita lakukan Analisis Regresi antara lama penyimpanan dengan Log

ALTB pada masing-masing jenis ekstrak bawang putih (kontrol, bawang putih lokal dan

bawang putih import). Persamaan regresi penduga adalah dalam bentuk polinom pangkat

3, hal ini disebabkan karena lama penyimpanan ada 4 taraf yaitu 0, 3, 5 dan 9, maka

derajat polinomnya 4-1 = 3, jadi persamaan penduganya adalah : Y = o + 1L +2L2 +

3L3

Gambar 8.9. Kotak Dialog Variable View

Kita buat Variable View seperti tampak Gambar 8.9., Ketik pada Kolom Name L,

Y1, Y2 dan Y3, pada Kolom Decimals, 0, 4, 4 dan 4 dan pada Kolom Label ketik Lama

Simpan, Log ALTB Kontrol, Log ALTB Lokal dan Log ALTB Import

Setelah kolom kolom pada Gambar 8.9 dilengkapi, kemudian Klik Data View pada

pojok kiri bawah gambar tersebut, maka muncul Gambar 10..9. Lengkapi datanya, pada

Kolom L, Y1, Y2 dan Y3. Kemudian Klik Transform, lalu Klik Compute, maka muncul

Gambar 9.9.

Ketik LL pada Target Variable dan L*L pada Numeric Expression, kemudian Klik

OK

Ketik LLL pada Target Variable dan L*L*L pada Numeric Expression, kemudian

Klik OK

Maka Gambar 10.9. yang kolomnya hanya diisi data L, Y1, Y2 dan Y3, dilengkapi

dengan LL dan LLL

Gambar 9.9. Kotak Dialog Compute Variable

Gambar 10.9 Data View

Klik Analyze, kemudian pilih Regression, lalu Linear, maka muncul Gambar 11. 9.

Klik Lama Simpan, pindahkan dengan tanda ►Independent(s)

Klik LL pindahkan dengan tanda ►Independent(s)

Klik LLL, pindahkan dengan tanda ►Independent(s)

Klik Log ALTB(Y1), pindahkan dengan tanda ►Dependent

Perhatikan Kotak Method, biasanya tertulis Enter, ganti atau pilih Stepwise

Kelik OK

Dengan cara yang sama Log ALTB Kontrol (Y1), diganti dengan Log ALTB

Lokal(Y2), Klik OK, selanjutnya diganti dengan Log ALTB Impor(Y3), Klik OK,

maka diperoleh hasil analisisnya. Ingat tampilan hasil analisis yang tidak penting

telah di delete

Gambar 11.9. Kotak Diolog Linear Regression

Regression : KontrolModel Summary

Model R R Square Adjusted R Square Std. Error of the Estimate1 .989 .978 .977 .2204572 .992 .985 .983 .1914273 .996 .992 .990 .146133

a Predictors: (Constant), Lama Simpan (Hari)b Predictors: (Constant), Lama Simpan (Hari), LLLc Predictors: (Constant), Lama Simpan (Hari), LLL, LL

ANOVAModel Sum of Squares Df Mean Square F Sig.

1 Regression 30.915 1 30.915 636.101 .000Residual .680 14 4.860E-02

Total 31.596 152 Regression 31.119 2 15.560 424.615 .000

Residual .476 13 3.664E-02Total 31.596 15

3 Regression 31.340 3 10.447 489.189 .000Residual .256 12 2.135E-02

Total 31.596 15a Predictors: (Constant), Lama Simpan (Hari)

b Predictors: (Constant), Lama Simpan (Hari), LLLc Predictors: (Constant), Lama Simpan (Hari), LLL, LLd Dependent Variable: Log. ALTB

Coefficients Unstandardized Coefficients

Standardized Coefficients

T Sig.

Model B Std. Error Beta1 (Constant) 5.981 .092 64.849 .000

Lama Simpan (Hari) .414 .016 .989 25.221 .0002 (Constant) 6.085 .091 66.533 .000

Lama Simpan (Hari) .342 .034 .815 10.050 .000LLL 9.193E-04 .000 .191 2.360 .035

3 (Constant) 6.016 .073 82.332 .000Lama Simpan (Hari) .630 .093 1.503 6.740 .000

LLL 7.324E-03 .002 1.525 3.631 .003LL -8.839E-02 .028 -1.981 -3.211 .007

a Dependent Variable: Log. ALTBPersamaan Garis Regresi Kontrol (Tanpa Bawang Putih) : Y1 = 6.016 + 0.630L – 0.08839L2 + 0.007324L3

R = 0.996

Regression : Bawang Putih Lokal

Model SummaryModel R R Square Adjusted R Square Std. Error of the Estimate

1 .985 .970 .967 .247009a Predictors: (Constant), Lama Simpan (Hari)

(a) ANOVAModel Sum of Squares Df Mean Square F Sig.

1 Regression 27.213 1 27.213 446.013 .000Residual .854 14 6.101E-02

Total 28.067 15a Predictors: (Constant), Lama Simpan (Hari)b Dependent Variable: Log. ALTBCoefficients

Unstandardized Coefficients

Standardized Coefficients

T Sig.

Model B Std. Error Beta1 (Constant) 5.206 .103 50.380 .000

Lama Simpan (Hari)

.389 .018 .985 21.119 .000

a Dependent Variable: Log. ALTB

Persamaan Garis Regei Bawang Putih local : Y2 = 5.206 + 0.389L

R = 0.985Regression pada Ekstrak Bawang Putih ImportModel Summary

Model R R Square Adjusted R Square Std. Error of the Estimate1 .990 .981 .980 .1428392 .996 .992 .991 9.63018E-02

a Predictors: (Constant), Lama Simpan (Hari)b Predictors: (Constant), Lama Simpan (Hari), LL

ANOVAModel Sum of Squares df Mean Square F Sig.

1 Regression 14.786 1 14.786 724.721 .000Residual .286 14 2.040E-02

Total 15.072 152 Regression 14.952 2 7.476 806.099 .000

Residual .121 13 9.274E-03Total 15.072 15

a Predictors: (Constant), Lama Simpan (Hari)b Predictors: (Constant), Lama Simpan (Hari), LLc Dependent Variable: Log. ALTBCoefficients

Unstandardized Coefficients

Std. Error Standardized Coefficients

T Sig.

Model B Beta1 (Constant) 5.144 .060 86.091 .000

Lama Simpan (Hari)

.287 .011 .990 26.921 .000

2 (Constant) 5.246 .047 111.776 .000Lama Simpan

(Hari).185 .025 .639 7.365 .000

LL 1.129E-02 .003 .366 4.219 .001a Dependent Variable: Log. ALTB

Persamaan Garis Regresi Bawang Putih Import : Y 3 = 5..246 + 0.185L + 0.01129L2

R = 0.992

Setelah kita peroleh persamaan garis regresi yaitu Y1, Y2 dan Y3, maka

kita menggambar ketiga persamaan tersebut, dengan langkah sebagai berikut :

Kita buat data buat Data View seperti Gambar 13.9, ketik data pada kolom L

angka 0 – 9,. Klik Tranform, kemudian pilih dan Klik Compute, maka

muncul Gambar 12.9

Ketik Yi pada kotak Target Variable, dan ketik 6.016 + 0.630*L – 0.08839*L*L

+ 0.007324*L*L*L pada Numeric Expression, kemudian Klik OK, dengan

cara yang sama ketik Y2 pada kotak Target Variable, dan ketik 5.206 +

0.389*L pada Numeric Expression, kemudian Klik OK

Ketik Y3 pada kotak Target Variable, dan ketik 5..246 + 0.185*L +

0.01129*L*L pada Numeric Expression, kemudian Klik OK

Gambar 12.9. Kotak Dialog Compute Variable

Untuk bisa menggambar dalam satu Grafik, maka kita gabung saja Y1, Y2 dan

Y3 menjadi Y pada satu Kolom, dan diletakkan sesuai dengan jenis ekstrak

bawang putih (Kolom Eklstrak) yaitu Y1 pada Estrak 1, Y2 pada ekstrak 32 dan

Y3 pada estrak 3, seperti tampak pada Gambar 13.9

Gambar 13. 9. Data View

Klik Graphs, pilih dan Klik Line, Klik Mutiple, Klik Difine, maka muncul

Gambar 14.9. tandai atau Klik Other statistic (e.g. mean).

Klik Log ALTB (Y), dan pindahkan dengan tanda ►ke Variable

Klik Lama Simpan (L), dan pindahkan dengan tanda ►ke Catagori Axis

Klik Jenis Ekstrak Bawang Putih (Ekstrak), dan pindahkan dengan tanda

►ke Define Lines by

Gambar 14.9 Kotak Dialog Define Multiple Line

Graph

9876543210

Lama Simpan (Hari)

10.00

9.00

8.00

7.00

6.00

5.00

Mean

Lo

g. A

LT

B

Lokal

K ontrol

Impor

Jenis EkstrakBawang Putih

Dari Gambar diatas tampak bahwa rata-rata nilai log ALTB paling rendah selama

penyimpanan adalah jenis ekstark bawang putih iImpor, kemudian ekstrak

bawang putih lokal dan yang paling tinggi adalah control (tanpa ekstrak bawang

putih)